Prissætning af rengøringsservice 2026 – hvordan avancerabatten beregnes uden gætteri
For mange rengøringsvirksomheder prissætter deres tilbud baseret på konkurrentens pris. Vi gennemgår en opgavespecifik dækningsbidragsanalyse, der viser den korrekte pris med minutters nøjagtighed.
Dækningsgraderne i rengøringsbranchen har været under pres i årevis. Kunder udbyder skarpt, lønningerne stiger, og kontrakterne er lange – hvilket betyder, at dårlig prissætning varer i 12-24 måneder, før den kan korrigeres. Derfor må dækningsgrads beregningen i tilbudsfasen ikke baseres på skøn, men på faktiske data om egen drift.
Hvorfor kvadratmeterpris alene ikke er nok
Kvadratmeterprisen er et godt udgangspunkt for sammenligning, men to ejendomme med samme kvadratmeterantal kan have en helt anden reel omkostning: et åbent kontorlokale uden møbler er hurtigt, mens en trappeopgang i en etageejendom med otte etager uden elevator binder rengøringsassistenter i timevis. En prismodel, der kun tager højde for kvadratmeter, fører systematisk til underprissatte udfordrende opgaver og overprissatte nemme opgaver – dvs. virksomheden taber netop de udbud, der ville have været mest rentable.
De tre lag af dækningsgradsregnskab pr. opgave
- Direkte lønomkostninger: faktiske timer brugt på opgaven × medarbejderens samlede omkostninger (løn + indirekte omkostninger + tillæg).
- Direkte materialeomkostninger: rengøringsartikler, maskiner og kemikalier knyttet til opgaven, ikke et gennemsnitligt månedligt estimat.
- Fordeling af faste omkostninger: arbejdsledelse, administration, køretøjer og lokaler fordelt på opgaverne f.eks. efter tidsandel, så den månedlige dækningsgrad pr. opgave er sammenlignelig.
Hvilke data er nødvendige i praksis
Registrering af faktiske timer pr. opgave er grundlaget for alt. Hvis otte rengøringsassistenter registrerer timerne under én fælles "vedligeholdelse"-linje, kan den opgavespecifikke dækningsgrad ikke beregnes efterfølgende, bortset fra ved gæt. Når mobilapplikationen derimod tvinger dig til at vælge en opgave ved start, genereres data automatisk, og dækningsgradsrapporter kan læses i realtid.
Med hensyn til materialer er det ofte nok, at rengøringsmidler og maskiner tildeles enten til opgaven eller området i forbindelse med bestillingen – perfekt nøjagtighed er ikke nødvendig, men et bedre grundlag end gennemsnittene opnås allerede med let overvågning.
Tilbudsmodel, der ikke undervurderer udfordrende opgaver
Når der er adgang til data fra tidligere lignende opgaver, kan tilbudsskabelonen automatisk beregne et tidsestimat baseret på opgavens egenskaber (kvadratmeter, etager, møbeltæthed, udnyttelsesgrad). Tilbuddet baseres på et realistisk timeestimat, hvortil der lægges den ønskede dækningsgrad. Uden data er sælgeren nødt til at gætte – og gætter næsten altid på konkurrentens pris, ikke på omkostningerne ved egen produktion.
Prisjustering af eksisterende aftaler
Ved aftalefakturering glemmes den årlige prisjustering (f.eks. indeks- eller overenskomstforhøjelse) ofte, fordi der er hundredvis af aftaler, og ingen har tid til at gennemgå dem manuelt. Når aftalerne og deres prismodeller er i ét system, udføres den årlige opdatering i bulk på få minutter – og dette alene kan give en forbedring af omsætningen på 4-8% om året.
Vil du se Eemel One i praksis?
I en 30-minutters onlinedemo gennemgår vi din rengøringsvirksomheds processer.
